Les récepteurs cannabinoïdes (RCB) sont des récepteurs membranaires qui font partie de la famille des récepteurs couplés aux protéines G. Plusieurs preuves expérimentales appuient l'idée que les cannabinoïdes seraient impliqués dans les voies de signalisation régulant la prolifération, la survie des cellules cancéreuses, l'angiogenèse ainsi que l'invasion tumorale. L'objectif de l'étude était de mesurer l'expression des RCB1 et RCB2 dans les tumeurs mammaires; et leur association avec les facteurs pronostiques connus du cancer du sein; et d'évaluer la survie globale, la survie sans récidive et la survie sans événement. Cette étude a été réalisée dans une cohorte de 522 femmes provenant de la banque de tissu du Centre des maladies du sein (CMS) diagnostiquées d'un cancer du sein invasif non métastatique et ayant eu une mastectomie entre le 1er décembre 2010 et le 30 avril 2012 au CMS à l'hôpital Saint-Sacrement à Québec, au Canada. L'expression des RCB a été mesurée par immunohistochimie. Des corrélations de Spearman ajustées ont été estimées et des modèles de risques proportionnels de Cox multivariés ont été utilisés pour estimer la survie. Cette étude a permis d'évaluer l'expression des RCB dans le tissu cancéreux mammaire. Plus l'expression du RCB1 était élevée, plus l'atteinte ganglionnaire était sévère (r[indice s]=0,11; p=0,0155) et plus le statut du récepteur 2 du facteur de croissance épidermique humain (HER2) avait tendance à être positif (r[indice s]=0,17; p=0,0002). Plus l'expression nucléaire du RCB2 était élevée, plus le statut des récepteurs de l'œstrogène (r[indice s]=0,17; p=0,0002) et à la progestérone (r[indice s]=0,12; p=0,0084) avait tendance à être positif, mais le grade tumoral était moins élevé (r[indice s]=-0,17; p=0,0002). Une expression cytoplasmique élevée du RCB2 était associée à 13% des récidives locorégionales et distance (HR=1,13 [0,97-1,33]), mais cette association n'était pas statistiquement significative. Ces analyses ont probablement manqué de puissance statistique. Les résultats suggèrent que l'expression des RCB pourrait être un marqueur pronostique pour le cancer du sein. / Cannabinoids receptors (CBR) are part of the membrane receptor G protein-coupled receptor family. Experimental evidence supports the idea that cannabinoids, the active components of cannabis and their derivatives are involved in signalling pathways regulating proliferation, cancer cell survival, angiogenesis as well as tumour invasion. In the present project, the objective was to measure the expression of CB1R and CB2R in breast cancer tissue. We then assessed the association between breast cancer prognostic factors and the expression of CBR. In addition, we evaluated the expression of CBR and overall survival, recurrence-free survival and event-free survival. This study was carried out in a cohort of 522 women diagnosed with invasive breast cancer and who had a mastectomy between December 1, 2010, and April 30, 2012, at the Centre des maladies du sein (CMS) at Saint-Sacrement Hospital in the City of Québec, in Canada. Clinical and pathological characteristics were retrieved from the CMS database for all women and CBR expression was measured by immunohistochemistry. Adjusted partial Spearman correlations with prognostic factors were estimated and multivariate proportional hazard Cox models were used. This study allowed to evaluate the expression of CBR in breast cancer tissue. High CB1R expression revealed more severe lymph node involvement (r[subscript s]=0.11; p=0.0155) and the human epidermal growth factor receptor 2 (HER2) tended to be positive (r[subscript s]=0.17; p=0.0002). High nuclear CB2R expression showed that estrogen (r[subscript s]=0.17; p=0.0002) and progesterone receptors (r[subscript s]=0.12; p=0.0084) tended to be positive but showed a lower tumour grade (r[subscript s]=-0.17; p=0.0002). High cytoplasmic expression of CBR2 was associated, with 13% higher locoregional and distant recurrences (HR=1.13 [0.97-1.33]), but this association did not reach statistical significance. These analyses might have been underpowered to detect associations. These results indicate that CBR expression might be a prognostic marker for breast cancer.

Les télomères sont des structures hautement spécialisées qui coiffent les extrémités des chromosomes et qui assurent l’intégrité du génome durant la réplication. La longueur des télomères étant un marqueur de vieillissement cellulaire, leur raccourcissement est présumé être associé aux maladies liées au vieillissement, en particulier le cancer. Plusieurs études suggèrent que les habitudes de vie, facteurs pronostiques potentiels et modifiables du cancer du sein, ont un impact sur la longueur des télomères et que la longueur des télomères serait associée au pronostic du cancer du sein. L’objectif du projet présenté dans ce mémoire était d’étudier l’association entre la longueur des télomères et les différents facteurs pronostiques reconnus ou potentiels du cancer du sein. Tout d’abord, une revue systématique de la littérature a été réalisée afin d'évaluer l'état actuel des connaissances concernant la valeur de la longueur des télomères en tant que facteur pronostique du cancer du sein. Cette revue systématique a permis d’identifier d’importantes différences méthodologiques expliquant les résultats globalement peu concluants des études antérieures et de mettre en évidence le potentiel important de la longueur des télomères en tant que marqueur pronostique chez les patientes atteintes d’un cancer du sein. Une étude exploratoire transversale a ensuite été réalisée pour examiner l'association entre la longueur des télomères, mesurée dans les globules blancs périphériques, et les facteurs pronostiques reconnus ou potentiels du cancer du sein, chez 162 patientes recrutées consécutivement au Centre des maladies du sein Deschênes-Fabia de Québec. Cette étude a permis d’identifier une association positive entre certains domaines d’activité physique et la longueur des télomères des globules blancs périphériques. Si une association entre la longueur des télomères et les facteurs pronostiques traditionnels du cancer du sein n’a pas pu être établie, il n’en demeure pas moins que la valeur de la longueur des télomères, évaluée de façon appropriée, en tant que marqueur pronostique du cancer du sein mérite d’être explorée par une étude longitudinale de survie où toutes les précautions auront été prises pour minimiser le risque de biais. / Telomeres are highly specialized structures capping the ends of chromosomes that ensure genome integrity during replication. As telomere length is an indicator of cell aging, telomere shortening has been linked to aging-related diseases, especially cancer. Several studies suggest that lifestyle factors, which are modifiable factors and have been associated with breast cancer prognosis, have an impact on telomere length and that telomere length may be associated with breast cancer prognosis. The present project objective was to investigate the association of telomeres with traditional and potential breast cancer prognostic factors. First, a systematic review was conducted to evaluate the current state of knowledge concerning the value of telomere length as a prognostic factor. This systematic review identified important methodological differences that could account for the overall inconclusive results of previous studies and highlighted the potential value of telomere length as a breast cancer prognostic marker. A cross-sectional exploratory study was then performed to examine the association of peripheral white blood cells telomere length with traditional and potential prognostic factors among 162 breast cancer patients consecutively recruited at the « Centre des maladies du sein Deschênes-Fabia » in Quebec City. This study identified a positive association between specific domains of physical activity and telomere length in peripheral white blood cells. Even though an association of telomere length with traditional breast cancer prognostic factors was not identified, the value of telomere length as a breast cancer prognostic marker deserves to be explored through an unbiased longitudinal survival study.

Les récepteurs cannabinoïdes (RCB) sont des récepteurs membranaires qui font partie de la famille des récepteurs couplés aux protéines G. Plusieurs preuves expérimentales appuient l'idée que les cannabinoïdes seraient impliqués dans les voies de signalisation régulant la prolifération, la survie des cellules cancéreuses, l'angiogenèse ainsi que l'invasion tumorale. L'objectif de l'étude était de mesurer l'expression des RCB1 et RCB2 dans les tumeurs mammaires; et leur association avec les facteurs pronostiques connus du cancer du sein; et d'évaluer la survie globale, la survie sans récidive et la survie sans événement. Cette étude a été réalisée dans une cohorte de 522 femmes provenant de la banque de tissu du Centre des maladies du sein (CMS) diagnostiquées d'un cancer du sein invasif non métastatique et ayant eu une mastectomie entre le 1er décembre 2010 et le 30 avril 2012 au CMS à l'hôpital Saint-Sacrement à Québec, au Canada. L'expression des RCB a été mesurée par immunohistochimie. Des corrélations de Spearman ajustées ont été estimées et des modèles de risques proportionnels de Cox multivariés ont été utilisés pour estimer la survie. Cette étude a permis d'évaluer l'expression des RCB dans le tissu cancéreux mammaire. Plus l'expression du RCB1 était élevée, plus l'atteinte ganglionnaire était sévère (r[indice s]=0,11; p=0,0155) et plus le statut du récepteur 2 du facteur de croissance épidermique humain (HER2) avait tendance à être positif (r[indice s]=0,17; p=0,0002). Plus l'expression nucléaire du RCB2 était élevée, plus le statut des récepteurs de l'œstrogène (r[indice s]=0,17; p=0,0002) et à la progestérone (r[indice s]=0,12; p=0,0084) avait tendance à être positif, mais le grade tumoral était moins élevé (r[indice s]=-0,17; p=0,0002). Une expression cytoplasmique élevée du RCB2 était associée à 13% des récidives locorégionales et distance (HR=1,13 [0,97-1,33]), mais cette association n'était pas statistiquement significative. Ces analyses ont probablement manqué de puissance statistique. Les résultats suggèrent que l'expression des RCB pourrait être un marqueur pronostique pour le cancer du sein. / Cannabinoids receptors (CBR) are part of the membrane receptor G protein-coupled receptor family. Experimental evidence supports the idea that cannabinoids, the active components of cannabis and their derivatives are involved in signalling pathways regulating proliferation, cancer cell survival, angiogenesis as well as tumour invasion. In the present project, the objective was to measure the expression of CB1R and CB2R in breast cancer tissue. We then assessed the association between breast cancer prognostic factors and the expression of CBR. In addition, we evaluated the expression of CBR and overall survival, recurrence-free survival and event-free survival. This study was carried out in a cohort of 522 women diagnosed with invasive breast cancer and who had a mastectomy between December 1, 2010, and April 30, 2012, at the Centre des maladies du sein (CMS) at Saint-Sacrement Hospital in the City of Québec, in Canada. Clinical and pathological characteristics were retrieved from the CMS database for all women and CBR expression was measured by immunohistochemistry. Adjusted partial Spearman correlations with prognostic factors were estimated and multivariate proportional hazard Cox models were used. This study allowed to evaluate the expression of CBR in breast cancer tissue. High CB1R expression revealed more severe lymph node involvement (r[subscript s]=0.11; p=0.0155) and the human epidermal growth factor receptor 2 (HER2) tended to be positive (r[subscript s]=0.17; p=0.0002). High nuclear CB2R expression showed that estrogen (r[subscript s]=0.17; p=0.0002) and progesterone receptors (r[subscript s]=0.12; p=0.0084) tended to be positive but showed a lower tumour grade (r[subscript s]=-0.17; p=0.0002). High cytoplasmic expression of CBR2 was associated, with 13% higher locoregional and distant recurrences (HR=1.13 [0.97-1.33]), but this association did not reach statistical significance. These analyses might have been underpowered to detect associations. These results indicate that CBR expression might be a prognostic marker for breast cancer.

INTRODUCTION: Le pronostic du cancer du sein (CS) est délétère pour les femmes obèses comparé à celles de poids normal et pourrait dépendre du statut du récepteur de la progestérone (PR). L’objectif était d’examiner si l’association entre l’obésité et la mortalité varie selon le statut de PR chez les femmes avec un CS positif pour le récepteur d’estrogène (ER+). MÉTHODOLOGIE: Les 3747 femmes diagnostiquées au Centre des Maladies du Sein d’un CS ER+ non métastatique entre 1995 et 2010 étaient catégorisées selon l’indice de masse corporelle (IMC) (<18,5; 18,5-24,9; 25,0-29,9; ≥30,0 kg/m²) et le statut de PR (PR–; PR+). Les risques instantanés (HR) de mortalité globale et spécifique au CS et leur 95% intervalle de confiance (IC) étaient estimés par des modèles de Cox multivariés. L’effet modifiant de PR était évalué sur les échelles additive et multiplicative. RÉSULTATS: Après un suivi médian de 5,9 années, le risque de mortalité globale pour les femmes avec une tumeur PR– augmentait en moyenne par 2,76 (95%IC:1,40-4,91) pour celles de faible poids, 2,02 (95%IC:1,43-2,81) pour celles en surpoids et 2,51 (95%IC:1,67-3,65) pour celles obèses, comparé aux femmes de poids normal avec une tumeur PR+. Des augmentations similaires étaient observées pour la mortalité spécifique au CS. Les risques de mortalité étaient similaires pour les femmes avec une tumeur PR+, peu importe leur IMC. Le risque de mortalité globale était modifié positivement par le statut de PR sur l’échelle additive chez les femmes en surpoids et obèses, tandis que la mortalité spécifique au CS était modifiée positivement chez les femmes de faible poids. Des observations similaires ont été trouvées sur l’échelle multiplicative. CONCLUSION: Notre étude suggère que le risque de décès plus élevé chez les femmes de faible poids, en surpoids et obèses avec un CS ER+ pourrait être lié au statut de PR. / INTRODUCTION: Studies have shown that prognosis for breast cancer (BC) was worse for obese than normal weight women. This differential survival might depend on the progesterone receptor (PR) status of the tumor. Our objective was to examine whether the association between obesity and mortality varies by PR status among women with estrogen receptor positive (ER+) BC. METHODS: The 3747 women diagnosed at the Center of Breast Diseases with non metastatic invasive ER+ BC between 1995 and 2010 were included in the analyses, and classified according to the body mass index (BMI) (<18.5, 18.5-24.9, 25.0-29.9, ≥30.0 kg/m²) and tumor PR status (PR–, PR+). Hazard ratios (HR) for all-cause and BC-specific mortalities, and 95% confidence interval (95%CI) were estimated from multivariable Cox proportional hazards models. Effect modification was evaluated on the additive and multiplicative scales using relative excess risk due to interaction (RERI) and ratio of HR, respectively. RESULTS: After a median follow-up of 5.9 years, the risk of all-cause mortality was increased on average by 2.76 (95%CI: 1.40-4.91) for underweight women with PR– tumors, by 2.02 (95%CI: 1.43-2.81) for overweight women with PR– tumors and by 2.51 (95%CI:1.67-3.65) for obese women with PR– tumors compared to women with normal weight and PR+ tumors. Similar increased risks were observed for BC-specific mortality. Conversely, risks of mortality were similar for women with PR+ tumors, regardless of BMI. All-cause mortality was modified by PR status on the additive scale for overweight (RERI=0.85,95%CI: 0.18-1.52) and obese women (RERI=1.28, 95%CI: 0.31-2.25), whereas BC-specific mortality was modified for underweight women (RERI=3.57, 95%CI: 0.25-6.88). Similar observations were found on the multiplicative scale. CONCLUSION: Our study suggests that the higher risk of dying observed among underweight, overweight and obese women with ER+ BC could be related to the PR status of the tumor.

the majority of patients with early breast cancer receive some form of systemic adjuvant therapy (chemo-, endocrine, and/or targeted therapy). Despite the increase in adjuvant therapy prescription, little progress has been made with respect to assisting oncologists to determine which breast cancer patients, particularly those deemed at “lower risk” of relapse, require chemotherapy or other systemic therapy and which women can safely be treated with loco-regional treatment alone. For these reasons, the identification of prognostic and predictive markers that will assist the clinician in selecting the most suitable form of medical therapy has become very high priority as well as a real challenge in translational research. <p>\ / Doctorat en Sciences biomédicales et pharmaceutiques / info:eu-repo/semantics/nonPublished

This thesis addresses the use of machine learning techniques to develop clinical diagnostic tools for breast cancer using molecular data. These tools are designed to assist physicians in their evaluation of the clinical outcome of breast cancer (referred to as prognosis).<p>The traditional approach to evaluating breast cancer prognosis is based on the assessment of clinico-pathologic factors known to be associated with breast cancer survival. These factors are used to make recommendations about whether further treatment is required after the removal of a tumor by surgery. Treatment such as chemotherapy depends on the estimation of patients' risk of relapse. Although current approaches do provide good prognostic assessment of breast cancer survival, clinicians are aware that there is still room for improvement in the accuracy of their prognostic estimations.<p>In the late nineties, new high throughput technologies such as the gene expression profiling through microarray technology emerged. Microarrays allowed scientists to analyze for the first time the expression of the whole human genome ("transcriptome"). It was hoped that the analysis of genome-wide molecular data would bring new insights into the critical, underlying biological mechanisms involved in breast cancer progression, as well as significantly improve prognostic prediction. However, the analysis of microarray data is a difficult task due to their intrinsic characteristics: (i) thousands of gene expressions are measured for only few samples; (ii) the measurements are usually "noisy"; and (iii) they are highly correlated due to gene co-expressions. Since traditional statistical methods were not adapted to these settings, machine learning methods were picked up as good candidates to overcome these difficulties. However, applying machine learning methods for microarray analysis involves numerous steps, and the results are prone to overfitting. Several authors have highlighted the major pitfalls of this process in the early publications, shedding new light on the promising but overoptimistic results. <p>Since 2002, large comparative studies have been conducted in order to identify the key characteristics of successful methods for class discovery and classification. Yet methods able to identify robust molecular signatures that can predict breast cancer prognosis have been lacking. To fill this important gap, this thesis presents an original methodology dealing specifically with the analysis of microarray and survival data in order to build prognostic models and provide an honest estimation of their performance. The approach used for signature extraction consists of a set of original methods for feature transformation, feature selection and prediction model building. A novel statistical framework is presented for performance assessment and comparison of risk prediction models.<p>In terms of applications, we show that these methods, used in combination with a priori biological knowledge of breast cancer and numerous public microarray datasets, have resulted in some important discoveries. In particular, the research presented here develops (i) a robust model for the identification of breast molecular subtypes and (ii) a new prognostic model that takes into account the molecular heterogeneity of breast cancers observed previously, in order to improve traditional clinical guidelines and state-of-the-art gene signatures./Cette thèse concerne le développement de techniques d'apprentissage (machine learning) afin de mettre au point de nouveaux outils cliniques basés sur des données moleculaires. Nous avons focalisé notre recherche sur le cancer du sein, un des cancers les plus fréquemment diagnostiqués. Ces outils sont développés dans le but d'aider les médecins dans leur évaluation du devenir clinique des patients cancéreux (cf. le pronostique).<p>Les approches traditionnelles d'évaluation du pronostique d'un patient cancéreux se base sur des critères clinico-pathologiques connus pour être prédictifs de la survie. Cette évaluation permet aux médecins de décider si un traitement est nécessaire après l'extraction de la tumeur. Bien que les outils d'évaluation traditionnels sont d'une aide importante, les cliniciens sont conscients de la nécessité d'améliorer de tels outils.<p>Dans les années 90, de nouvelles technologies à haut-débit, telles que le profilage de l'expression génique par biopuces à ADN (microarrays), ont été mises au point afin de permettre aux scientifiques d'analyser l'expression de l'entièreté du génôme de cellules cancéreuses. Ce nouveau type de données moléculaires porte l'espoir d'améliorer les outils pronostiques traditionnels et d'approfondir nos connaissances concernant la génèse du cancer du sein. Cependant ces données sont extrêmement difficiles à analyser à cause (i) de leur haute dimensionalité (plusieurs dizaines de milliers de gènes pour seulement quelques centaines d'expériences); (ii) du bruit important dans les mesures; (iii) de la collinéarité entre les mesures dûe à la co-expression des gènes.<p>Depuis 2002, des études comparatives à grande échelle ont permis d'identifier les méthodes performantes pour l'analyse de groupements et la classification de données microarray, négligeant l'analyse de survie pertinente pour le pronostique dans le cancer du sein. Pour pallier ce manque, cette thèse présente une méthodologie originale adaptée à l'analyse de données microarray et de survie afin de construire des modèles pronostiques performants et robustes. <p>En termes d'applications, nous montrons que cette méthodologie, utilisée en combinaison avec des connaissances biologiques a priori et de nombreux ensembles de données publiques, a permis d'importantes découvertes. En particulier, il résulte de la recherche presentée dans cette thèse, le développement d'un modèle robuste d'identification des sous-types moléculaires du cancer du sein et de plusieurs signatures géniques améliorant significativement l'état de l'art au niveau pronostique. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished